# label_ai_service

`label_ai_service` 是知识图谱智能标注平台的 AI 计算服务，基于 FastAPI 提供独立部署的推理与预处理能力。它不直接访问数据库，而是通过 ZhipuAI GLM 系列模型完成结构化抽取，通过 RustFS 读写原始文件和处理结果，并通过 HTTP 回调把异步视频任务结果通知上游后端。

当前服务覆盖 6 类核心能力：

- 文本三元组提取，支持 `TXT`、`PDF`、`DOCX`
- 图像四元组提取，并自动裁剪 `bbox` 区域图
- 视频抽帧，支持固定间隔和近似关键帧两种模式
- 视频转文本，将视频片段描述输出为文本文件
- 基于文本或图片证据生成问答对
- 向 ZhipuAI 提交微调任务并查询状态

## 适用场景

这个服务适合作为 `label-backend` 的 AI 能力侧车服务，也可以单独运行，用于验证文件解析、图像理解、视频预处理和问答生成流程。

典型调用链如下：

1. Java 后端把原始文本、图片或视频上传到 RustFS。
2. Java 后端调用 `label_ai_service` 的 REST API。
3. AI 服务从 RustFS 读取文件，调用 GLM 模型做抽取或生成。
4. 结果以 JSON 返回，或写回 RustFS 后通过回调通知上游。

## 功能概览

| 能力 | 接口 | 说明 |
|---|---|---|
| 健康检查 | `GET /health` | 用于容器存活探测和联调自检 |
| 文本三元组提取 | `POST /api/v1/text/extract` | 从文档中提取 `subject / predicate / object / source_snippet / source_offset` |
| 图像四元组提取 | `POST /api/v1/image/extract` | 从图片中提取 `subject / predicate / object / qualifier / bbox`，并输出裁剪图路径 |
| 视频抽帧 | `POST /api/v1/video/extract-frames` | 异步抽取视频帧，结果通过回调返回 |
| 视频转文本 | `POST /api/v1/video/to-text` | 异步抽样视频代表帧，生成中文描述文本并上传到对象存储 |
| 文本问答生成 | `POST /api/v1/qa/gen-text` | 基于三元组和原文证据生成问答对 |
| 图像问答生成 | `POST /api/v1/qa/gen-image` | 基于裁剪图和四元组生成问答对 |
| 微调任务提交 | `POST /api/v1/finetune/start` | 向 ZhipuAI 提交微调任务 |
| 微调状态查询 | `GET /api/v1/finetune/status/{job_id}` | 查询微调任务状态和进度 |

## 技术栈

- Python 3.12
- FastAPI
- Pydantic v2
- ZhipuAI Python SDK
- boto3
- OpenCV
- pdfplumber
- python-docx
- httpx
- pytest / pytest-asyncio

## 架构说明

### 外部依赖

- ZhipuAI
  - 文本与多模态推理
  - 微调任务提交与查询
- RustFS 或任意 S3 兼容对象存储
  - 原始文件读取
  - 裁剪图、视频帧、视频描述文本写回
- 上游回调接口
  - 视频任务完成后接收结果

### 处理边界

- 服务本身不负责文件上传，也不维护任务状态库。
- 文本、图像接口是同步返回。
- 视频接口是异步返回 `202 Accepted`，真实处理结果走回调。
- 服务默认不做鉴权，通常由上游网关或后端负责访问控制。

## 项目结构

```text
label_ai_service/
├── app/
│   ├── main.py
│   ├── clients/
│   │   ├── llm/
│   │   └── storage/
│   ├── core/
│   ├── models/
│   ├── routers/
│   └── services/
├── docs/
│   └── superpowers/
├── specs/
├── tests/
├── config.yaml
├── .env
├── Dockerfile
├── docker-compose.yml
├── requirements.txt
└── README.md
```

目录职责：

- `app/main.py`
  - FastAPI 应用入口，注册中间件、异常处理器和所有路由
- `app/clients`
  - 第三方依赖适配层，当前包含 ZhipuAI 和 RustFS
- `app/services`
  - 业务核心逻辑，负责文件解析、提示词拼装、结果转换和异步任务处理
- `app/routers`
  - HTTP 接口层
- `app/models`
  - 请求与响应模型
- `app/core`
  - 配置、日志、中间件、异常等通用模块
- `tests`
  - Router、Service、Config 和 Client 的测试

## 配置说明

配置采用 `config.yaml + .env` 分层方式：

- `config.yaml`
  - 存放稳定、可提交的结构化配置
- `.env`
  - 存放密钥和环境差异项

环境变量会覆盖 `config.yaml` 中的同名配置。

### config.yaml

当前项目默认配置如下：

```yaml
server:
  port: 8000
  log_level: INFO

storage:
  buckets:
    source_data: "source-data"
    finetune_export: "finetune-export"

backend: {}

video:
  frame_sample_count: 8
  max_file_size_mb: 200
  keyframe_diff_threshold: 30.0

models:
  default_text: "glm-4-flash"
  default_vision: "glm-4v-flash"
```

### .env

建议至少配置这些变量：

| 变量名 | 必填 | 说明 |
|---|---|---|
| `ZHIPUAI_API_KEY` | 是 | ZhipuAI API Key |
| `STORAGE_ACCESS_KEY` | 是 | RustFS/S3 Access Key |
| `STORAGE_SECRET_KEY` | 是 | RustFS/S3 Secret Key |
| `STORAGE_ENDPOINT` | 是 | RustFS/S3 Endpoint，例如 `http://rustfs:9000` |
| `BACKEND_CALLBACK_URL` | 否 | 视频异步任务回调地址 |
| `LOG_LEVEL` | 否 | 日志级别，默认 `INFO` |
| `MAX_VIDEO_SIZE_MB` | 否 | 覆盖视频大小上限 |

`.env` 示例：

```ini
ZHIPUAI_API_KEY=your-zhipuai-api-key-here
STORAGE_ACCESS_KEY=your-storage-access-key
STORAGE_SECRET_KEY=your-storage-secret-key
STORAGE_ENDPOINT=http://rustfs:9000
BACKEND_CALLBACK_URL=http://label-backend:8080/api/ai/callback
LOG_LEVEL=INFO
```

## 本地运行

### 方式一：直接运行

```bash
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
python -m uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload
```

Windows PowerShell 可以使用：

```powershell
python -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -r requirements.txt
python -m uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload
```

启动后访问：

- Swagger UI: `http://localhost:8000/docs`
- 健康检查: `http://localhost:8000/health`

### 方式二：Docker Compose

项目自带的 Compose 文件会启动：

- `ai-service`
- `rustfs`

启动命令：

```bash
docker compose up --build
```

如果你要联调视频异步任务，请确保 `BACKEND_CALLBACK_URL` 指向一个可访问的后端地址。否则任务本身会继续处理，但回调会失败并记录错误日志。

## API 使用示例

### 1. 健康检查

```bash
curl http://localhost:8000/health
```

返回：

```json
{"status":"ok"}
```

### 2. 文本三元组提取

```bash
curl -X POST http://localhost:8000/api/v1/text/extract \
  -H "Content-Type: application/json" \
  -d '{
    "file_path": "text/202404/123.txt",
    "file_name": "设备规范.txt"
  }'
```

### 3. 图像四元组提取

```bash
curl -X POST http://localhost:8000/api/v1/image/extract \
  -H "Content-Type: application/json" \
  -d '{
    "file_path": "image/202404/456.jpg",
    "task_id": 789
  }'
```

### 4. 视频抽帧

```bash
curl -X POST http://localhost:8000/api/v1/video/extract-frames \
  -H "Content-Type: application/json" \
  -d '{
    "file_path": "video/202404/001.mp4",
    "source_id": 10,
    "job_id": 42,
    "mode": "interval",
    "frame_interval": 30
  }'
```

### 5. 视频转文本

```bash
curl -X POST http://localhost:8000/api/v1/video/to-text \
  -H "Content-Type: application/json" \
  -d '{
    "file_path": "video/202404/001.mp4",
    "source_id": 10,
    "job_id": 43,
    "start_sec": 0,
    "end_sec": 60
  }'
```

### 6. 文本问答生成

```bash
curl -X POST http://localhost:8000/api/v1/qa/gen-text \
  -H "Content-Type: application/json" \
  -d '{
    "items": [
      {
        "subject": "变压器",
        "predicate": "额定电压",
        "object": "110kV",
        "source_snippet": "该变压器额定电压为110kV"
      }
    ]
  }'
```

### 7. 图像问答生成

```bash
curl -X POST http://localhost:8000/api/v1/qa/gen-image \
  -H "Content-Type: application/json" \
  -d '{
    "items": [
      {
        "subject": "电缆接头",
        "predicate": "位于",
        "object": "配电箱左侧",
        "cropped_image_path": "crops/1/0.jpg"
      }
    ]
  }'
```

### 8. 微调任务提交

```bash
curl -X POST http://localhost:8000/api/v1/finetune/start \
  -H "Content-Type: application/json" \
  -d '{
    "jsonl_url": "https://example.com/train.jsonl",
    "base_model": "glm-4-flash",
    "hyperparams": {
      "epochs": 3,
      "learning_rate": 0.0001
    }
  }'
```

## 数据输出约定

当前服务会主动写入这些派生结果：

| 类型 | 路径模式 | 说明 |
|---|---|---|
| 图像裁剪图 | `crops/{task_id}/{index}.jpg` | 图像提取结果的局部证据图 |
| 视频抽帧图片 | `frames/{source_id}/{index}.jpg` | 视频帧提取结果 |
| 视频文本描述 | `video-text/{source_id}/{timestamp}.txt` | 视频转文本结果 |

说明：

- 这些对象默认写入 `storage.buckets.source_data`
- 原始文件的上传路径由上游系统决定
- 服务不会替上游生成原始文件路径，只消费请求里传入的 `file_path`

## 日志与错误处理

### 日志

日志使用 JSON 格式输出，适合直接接入容器日志平台。请求日志会带上：

- `method`
- `path`
- `status`
- `duration_ms`

LLM 调用和后台任务也会输出结构化字段，方便排查接口超时、回调失败和模型解析错误。

### 错误码

统一错误返回格式：

```json
{"code":"ERROR_CODE","message":"具体描述"}
```

当前主要错误码：

| 错误码 | HTTP 状态码 | 含义 |
|---|---|---|
| `UNSUPPORTED_FILE_TYPE` | 400 | 文本提取文件格式不支持 |
| `VIDEO_TOO_LARGE` | 400 | 视频大小超过限制 |
| `STORAGE_ERROR` | 502 | 对象存储访问失败 |
| `LLM_PARSE_ERROR` | 502 | 模型返回内容无法解析为预期 JSON |
| `LLM_CALL_ERROR` | 503 | 模型调用或微调接口调用失败 |
| `INTERNAL_ERROR` | 500 | 未捕获异常 |

## 测试

安装依赖后可直接运行：

```bash
python -m pytest
```

测试覆盖了这些主要模块：

- 健康检查接口
- 文本、图像、视频、QA、微调路由
- 各 Service 的基本成功与异常路径
- 配置加载和客户端适配

## 设计文档

项目内已有更详细的设计资料，可配合 README 阅读：

- `docs/superpowers/specs/2026-04-10-ai-service-design.md`
- `docs/superpowers/plans/2026-04-10-ai-service-impl.md`
- `specs/001-ai-service-requirements/`

如果你刚接手这个服务，建议阅读顺序是：

1. 本 README，先搞清楚服务职责、接口和运行方式
2. 设计文档，再看架构和设计决策
3. `app/services` 与 `tests`，最后进入实现细节

## 已知约束

- 文本提取目前只支持 `txt`、`pdf`、`docx`
- 视频接口依赖对象存储可读取文件大小
- 视频任务状态不持久化在本服务内，由上游系统负责管理
- 图像问答采用 base64 内联图片，不依赖外网可访问的 presigned URL
- 如果 `.env` 中的回调地址不可达，视频任务会记录错误日志，但不会自动重试

## 开发建议

- 新增接口时同步补齐 Pydantic 模型、Router 测试和 README/API 文档
- 如果替换模型厂商，优先扩展 `app/clients/llm`
- 如果替换存储实现，优先扩展 `app/clients/storage`
- 任何输出路径规则变更，都应同步更新 README 和设计文档